AI科技評論報(bào)道

編譯 | 王曄

此文章于8月4日發(fā)表在nature reviews physics期刊,作者為arXiv的創(chuàng)立者Paul Ginsparg。該文講述了arXiv三十年的發(fā)展變化，從創(chuàng)立初期便為社會信息共享作出了巨大貢獻(xiàn)，在社會共享信息方面積累的大量經(jīng)驗(yàn)。arXiv作為巨大的信息資源庫,為公眾和研究團(tuán)隊(duì)提供了公平的信息競爭環(huán)境。

自30年前arXiv創(chuàng)立，社會信息傳播模式發(fā)生了巨大的變化——并不總是向好發(fā)展。arXiv創(chuàng)立者Paul Ginsparg討論了電子預(yù)印本的學(xué)術(shù)經(jīng)驗(yàn)是怎樣為更加廣泛的信息共享提供參考的。

三十年前，arXiv創(chuàng)立之時(shí)，許多人都對互聯(lián)網(wǎng)的潛力持樂觀態(tài)度，認(rèn)為它可以培養(yǎng)了解更多資訊的公民，并創(chuàng)造公平的信息競爭環(huán)境。在arXiv這樣的新平臺上，學(xué)術(shù)界引領(lǐng)了這一潮流。但是現(xiàn)在，這些最初的理想似乎難以實(shí)現(xiàn)，政治上的兩極分化因信息“回聲室效應(yīng)”而加劇，甚至對什么是客觀證據(jù)也不再達(dá)成共識。在如此危急情況之下，也許我們學(xué)術(shù)界可以重拾30年前的領(lǐng)先地位，通過展示如何負(fù)責(zé)任地、有成效地分享信息，重燃新的希望。

1

更為簡約的質(zhì)量控制的興起

在其早期，arXiv實(shí)施了衛(wèi)生和內(nèi)容相關(guān)形式的質(zhì)量控制，后者隨著arXiv對公眾透明度的增加而變得越來越重要（更多關(guān)于arXiv的歷史見下文）。這里的 "衛(wèi)生 "指的是淺層次的——文本應(yīng)該可以提??；參考文獻(xiàn)、作者和摘要應(yīng)該包括在內(nèi)；不應(yīng)該有分散注意力的行號或水印，等等——可以直接自動(dòng)進(jìn)行檢測。在內(nèi)容方面，arXiv早期實(shí)施了一種最低標(biāo)準(zhǔn)的質(zhì)量控制，雇用了一批活躍的科學(xué)家，對收到的稿件（通常只根據(jù)標(biāo)題和摘要）進(jìn)行掃描，并迅速判斷它是否對目標(biāo)研究群體有合理的興趣。這種監(jiān)督是為了保護(hù)讀者不受離題內(nèi)容的影響，并保持與最低學(xué)術(shù)標(biāo)準(zhǔn)的一致性。它還預(yù)見到一直存在的風(fēng)險(xiǎn)，即邪惡分子的行為不一定符合社會的最佳利益，這種風(fēng)險(xiǎn)在后來的幾年里或許沒有得到社交媒體公司的足夠重視——見證了自由流通的虛假信息所帶來的高風(fēng)險(xiǎn)的社會損失。

2

arXiv的三十年

arXiv創(chuàng)立于1991年的純印刷時(shí)代。始于美國洛斯阿拉莫斯國家實(shí)驗(yàn)室，在1998年之前被稱為xxx.lanl.gov，目的是通過提供平等的時(shí)間來獲取最新科研成果，從而為全球研究提供公平的競爭環(huán)境。在萬維網(wǎng)出現(xiàn)之前，當(dāng)時(shí)的出版商和圖書館員對任何短期內(nèi)向數(shù)字內(nèi)容的過渡都持懷疑態(tài)度。在20世紀(jì)90年代初，arXiv作為一個(gè)自動(dòng)資料庫發(fā)揮了先鋒作用，第一個(gè)實(shí)現(xiàn)了使用文章摘要登陸網(wǎng)頁，并與相關(guān)資源鏈接，包括全文附注和pdf。arXiv在開放存取運(yùn)動(dòng)中也優(yōu)先發(fā)揮了作用，催化了PubMedCentral等資源、PLoS等出版商以及后來其他預(yù)印本服務(wù)器，包括bioRxiv和medRxiv。

十年后，arXiv需要一個(gè)合適的機(jī)構(gòu)，以繼續(xù)其從短期的軟件實(shí)驗(yàn)過渡到更長期的可持續(xù)服務(wù)。在學(xué)術(shù)交流領(lǐng)域，傳統(tǒng)的參與者是機(jī)構(gòu)圖書館和專業(yè)協(xié)會。2001年，我選擇了進(jìn)入康奈爾大學(xué)圖書館（1981年在此獲得物理學(xué)博士學(xué)位），理由是圖書館不會與自己的期刊出版業(yè)務(wù)有潛在的利益沖突。盡管是出發(fā)點(diǎn)是好的，但隨著時(shí)間的推移，這種配合變得越來越糟糕。大學(xué)圖書館的主要任務(wù)是為其內(nèi)部社區(qū)提供由他人認(rèn)證的內(nèi)容，而arXiv的職權(quán)范圍是向全球研究人員社區(qū)傳播有時(shí)難以辨別出處的資料。

2019年，康奈爾大學(xué)內(nèi)部對arXiv的監(jiān)督從圖書館轉(zhuǎn)移到了計(jì)算機(jī)和信息科學(xué)，但長期規(guī)劃受到了大流行病相關(guān)問題的阻礙。也許arXiv會在康奈爾內(nèi)部找到一些新的平衡點(diǎn)，也許專業(yè)協(xié)會會利用自己的出版經(jīng)驗(yàn)，幫助創(chuàng)建一個(gè)更加分散和可持續(xù)的長期資源。arXiv仍然是許多全球研究社區(qū)的主要研究交流模式，提供了必不可少的基礎(chǔ)設(shè)施。每天的提交率正在迅速增長（見圖；主題由arxiv.org上使用的標(biāo)準(zhǔn)縮寫標(biāo)明），預(yù)計(jì)2021年的新文章總數(shù)約為19萬篇。不管arXiv未來的具體情況如何，預(yù)印本的傳播不再是異端，目前傳播量增加的趨勢不太可能逆轉(zhuǎn)。

3

24小時(shí)的AI審查

但是，arXiv的運(yùn)作方式是無情的每日周轉(zhuǎn)， 所以近年來，我創(chuàng)建的自動(dòng)機(jī)器學(xué)習(xí)框架對人工審核進(jìn)行了補(bǔ)充，以標(biāo)記和保留有潛在問題的提交材料，以便進(jìn)行額外的人工審查。自動(dòng)程序不會休假、生病、分心或繁忙，并能在幾毫秒內(nèi)全面評估全文內(nèi)容，包括對照整個(gè)后臺數(shù)據(jù)庫檢查每份新提交的文件是否有重復(fù)或過多的文字重疊?，F(xiàn)在，大部分的內(nèi)部人力都被用于調(diào)解和裁決各種人類和機(jī)器人的規(guī)模性疏忽。

4

從健康隱患到救命稻草

盡管早期有人懷疑預(yù)印本的分發(fā)會與高能物理學(xué)以外的領(lǐng)域有關(guān)，但它是在使用量激增的催化下，持續(xù)向新領(lǐng)域發(fā)展的。例如，2001年對二硼化鎂超導(dǎo)體的關(guān)注，以及后來從2008年開始對鎳鐵超導(dǎo)體的關(guān)注，導(dǎo)致相關(guān)的實(shí)驗(yàn)團(tuán)體使用arXiv來報(bào)告突破性的結(jié)果并提出先例。最近，機(jī)器學(xué)習(xí)界在2015年左右大規(guī)模地采用了arXiv。這些研究人員仍然是忠實(shí)的用戶；到目前為止，沒有一個(gè)采用arXiv進(jìn)行快速傳播的社區(qū)后來放棄了使用。

但是，與更廣泛的社會中的信息共享問題最相關(guān)的預(yù)印本使用量的飆升是由COVID-19大流行引發(fā)的bioRxiv和medRxiv的增長。這些預(yù)印本服務(wù)器在大流行的第一年就容納了超過10,000篇文章（bioRxiv的數(shù)據(jù)；medRxiv的數(shù)據(jù)），這種增長很可能成為其他研究領(lǐng)域的一個(gè)轉(zhuǎn)折點(diǎn)?；仡?995年《新英格蘭醫(yī)學(xué)雜志》關(guān)于預(yù)印本的一篇社論，它表達(dá)了合理的公共衛(wèi)生關(guān)切，因?yàn)?"互聯(lián)網(wǎng)上關(guān)于健康問題的許多信息，如藥物的風(fēng)險(xiǎn)和各種食物對健康的影響，都是不確定的來源 "。盡管近期似乎加強(qiáng)了對其的關(guān)注，但我想說，迄今為止多種證據(jù)表明，開放預(yù)印本的分發(fā)并不是當(dāng)前問題的根源，而且在許多情況下可以幫助緩解這些問題。

與COVID-19有關(guān)的向bioRxiv和medRxiv提交的材料并沒有造成重大的公共衛(wèi)生危害（盡管可以肯定的是這些資源比arXiv受到了更嚴(yán)格的審查 ）。相反，最嚴(yán)重的非法者反而發(fā)表在傳統(tǒng)的參考文獻(xiàn)中。其中包括一篇頌揚(yáng)羥氯喹優(yōu)點(diǎn)的文章（其出版商發(fā)布了一封關(guān)注信，但沒有撤回），以及其他基于捏造數(shù)據(jù)的研究，這些研究很快被《柳葉刀》和《新英格蘭醫(yī)學(xué)雜志》撤回。也許這些雜志和其他雜志的編輯會因?yàn)樵诔霭媲翱吹礁嗟膶＜夜_評論而受到啟發(fā)：迄今為止，已經(jīng)有超過120篇經(jīng)同行評審的COVID-19文章被撤回或撤銷。相比之下，一項(xiàng)以預(yù)印本形式發(fā)布的COVID-19研究，高估了先前的感染率，并很快被媒體報(bào)道，專家們很快說明了其統(tǒng)計(jì)學(xué)上的缺陷。一份預(yù)印本報(bào)告了關(guān)于藥物地塞米松的嚴(yán)格臨床研究的結(jié)果，導(dǎo)致該研究在作為期刊出版物出現(xiàn)之前的半年內(nèi)被使用，可能挽救了許多生命。而正是這篇預(yù)印本對實(shí)際的健康危害進(jìn)行了反擊，糾正了長期以來假定的（落下的）飛沫和（空中的）氣溶膠之間的5微米界限背后的錯(cuò)誤觀念，并表明需要對COVID-19傳播的健康預(yù)防措施進(jìn)行更有效的修訂。

5

窺探未來

我并不是說預(yù)印本的發(fā)行是解決同行評議期刊出版延誤和偏見的良方，而是說在適當(dāng)?shù)那闆r下，其利遠(yuǎn)大于弊。記者在提到預(yù)印本服務(wù)器上的文章時(shí)，經(jīng)常會加上 "尚未審查 "的警告語，并且通常會咨詢專家以核實(shí)事實(shí)，避免誤導(dǎo)公眾。盡管并非所有的數(shù)字媒體都對COVID-19預(yù)印本進(jìn)行了必要的限定，但肯定有可能對 "正在審查 "的某些表述進(jìn)行標(biāo)準(zhǔn)化處理，以表達(dá)不確定性。如果我們確實(shí)不可避免地要在更多領(lǐng)域公開傳播預(yù)印本，那么所有參與者——研究人員、同行評議的期刊和大眾媒體——都需要接受這一趨勢，并設(shè)計(jì)各種方法，讓研究人員更好地了解情況，讓普通公眾少受誤導(dǎo)。

原文鏈接：https://www.nature.com/articles/s42254-021-00360-z

雷鋒網(wǎng)雷鋒網(wǎng)雷鋒網(wǎng)

雷峰網(wǎng)特約稿件，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。